目录
- 1. 前言
- 2. 安装及用法
- 3. 实战一下
- 3-1 打开目标网站
- 3-2 自动化表单提交
- 3-3 数据爬取
- 4. 最后
1. 前言
大家好,我是安果!
今天推荐一款小众轻量级的爬虫库:RoboBrowser
RoboBrowser,Your friendly neighborhood web scraper!由纯 Python 编写,运行无需独立的浏览器,它不仅可以做爬虫,还可以实现 Web 端的自动化
项目地址:
https://github.com/jmcarp/robobrowser
2. 安装及用法
在实战之前,我们先安装依赖库及解析器
PS:官方推荐的解析器是 「lxml」
# 安装依赖
pip3 install robobrowser
# lxml解析器(官方推荐)
pip3 install lxml
RoboBrowser 常见的 2 个功能为:
使用 RoboBrowser 进行网页数据爬取,常见的 3 个方法如下:
查询当前页面满足条件的第一个元素
查询当前页面拥有共同属性的一个列表元素
通过 CSS 选择器,查询页面,返回一个元素列表
需要指出的是,RoboBrowser 依赖于 BS4,所以它的使用方法和 BS4 类似
更多功能可以参考:
https://www.crummy.com/software/BeautifulSoup/bs4/doc.zh/
3. 实战一下
我们以「 百度搜索及爬取搜索结果列表 」为例
3-1 打开目标网站
首先,我们实例化一个 RoboBrowser 对象
from time import sleep
from robobrowser import RoboBrowser
home_url = 'https://baidu.com'
# parser: 解析器,HTML parser; used by BeautifulSoup
# 官方推荐:lxml
rb = RoboBrowser(history=True, parser='lxml')
# 打开目标网站
rb.open(home_url)
然后,使用 RoboBrowser 实例对象中的 open() 方法打开目标网站
3-2 自动化表单提交
首先,使用 RoboBrowser 实例对象获取网页中的表单 Form
然后,通过为表单中的输入框赋值模拟输入操作
最后,使用 submit_form() 方法进行表单提交,模拟一次搜索操作
# 获取表单对象
bd_form = rb.get_form()
print(bd_form)
bd_form['wd'].value = "AirPython"
# 提交表单,模拟一次搜索
rb.submit_form(bd_form)
3-3 数据爬取
分析搜索页面的网页结构,利用 RoboBrowser 中的 select() 方法匹配出所有的搜索列表元素
遍历搜索列表元素,使用 find() 方法查询出每一项的标题及 href 链接地址
# 查看结果
result_elements = rb.select(".result")
# 搜索结果
search_result = []
# 第一项的链接地址
first_href = ''
for index, element in enumerate(result_elements):
title = element.find("a").text
href = element.find("a")['href']
search_result.append(title)
if index == 0:
first_href = element.find("a")
print('第一项地址为:', href)
print(search_result)
最后,使用 RoboBrowser 中的 follow_link() 方法模拟一下「点击链接,查看网页详情」的操作
# 跳转到第一个链接
rb.follow_link(first_href)
# 获取历史
print(rb.url)
需要注意的是,follow_link() 方法的参数为带有 href 值的 a 标签
4. 最后
文中结合百度搜索实例,使用 RoboBrowser 完成了一次自动化及爬虫操作
相比 Selenium、Helium 等,RoboBrowser 更轻量级,不依赖独立的浏览器及驱动
如果想处理一些简单的爬虫或 Web 自动化,RoboBrowser 完全够用;但是面对一些复杂的自动化场景,更建议使用 Selenium、Pyppeteer、Helium 等
以上就是Python 爬虫库RoboBrowser的使用简介的详细内容,更多关于Python 爬虫库RoboBrowser的资料请关注脚本之家其它相关文章!
您可能感兴趣的文章:- Python基于httpx模块实现发送请求
- Python爬虫爬取爱奇艺电影片库首页的实例代码
- Python爬虫之必备chardet库
- Python爬虫进阶之Beautiful Soup库详解
- Python爬虫之爬取某文库文档数据
- Python爬虫爬取全球疫情数据并存储到mysql数据库的步骤
- 详解Python之Scrapy爬虫教程NBA球员数据存放到Mysql数据库
- python爬虫利器之requests库的用法(超全面的爬取网页案例)
- python爬虫开发之使用Python爬虫库requests多线程抓取猫眼电影TOP100实例
- python爬虫开发之使用python爬虫库requests,urllib与今日头条搜索功能爬取搜索内容实例
- python爬虫请求库httpx和parsel解析库的使用测评